| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 国内外故障诊断理论发展现状 | 第9-12页 |
| 1.2.1 故障诊断理论 | 第9-10页 |
| 1.2.2 国内外发展现状 | 第10-11页 |
| 1.2.3 常见的故障诊断方法 | 第11-12页 |
| 1.3 建筑电气系统故障诊断研究现状与存在问题 | 第12-13页 |
| 1.4 论文的主要工作 | 第13-15页 |
| 2 引进的建筑电气系统故障实验关键技术 | 第15-28页 |
| 2.1 建筑电气系统 | 第15-18页 |
| 2.1.1 建筑电气系统概述 | 第15页 |
| 2.1.2 建筑电气系统的组成和分类 | 第15-18页 |
| 2.2 建筑电气系统故障原理分析 | 第18-20页 |
| 2.3 建筑电气实验平台MA2067功能 | 第20-21页 |
| 2.4 建筑电气实验平台故障分析 | 第21-26页 |
| 2.5 本章小结 | 第26-28页 |
| 3 基于支持向量机理论的故障诊断算法研究 | 第28-40页 |
| 3.1 支持向量机理论概述 | 第28-31页 |
| 3.2 建筑电气系统应用SVM的优势与可行性 | 第31-33页 |
| 3.3 支持向量机在实验平台故障诊断中的应用 | 第33-35页 |
| 3.3.1 故障特征量的选择与故障分类 | 第33页 |
| 3.3.2 SVM模型的建立 | 第33-35页 |
| 3.4 支持向量机分类算法的建筑电气故障诊断实验 | 第35-39页 |
| 3.4.1 SVM故障诊断结果及分析 | 第35-37页 |
| 3.4.2 SVM与神经网络对故障诊断问题的比较 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于压缩感知理论的故障诊断算法研究 | 第40-48页 |
| 4.1 压缩感知理论概述 | 第40-42页 |
| 4.1.1 信号稀疏表示 | 第40-41页 |
| 4.1.2 信号重构 | 第41-42页 |
| 4.2 压缩感知故障诊断方法 | 第42-44页 |
| 4.2.1 训练样本的组成 | 第43页 |
| 4.2.2 测试样本的稀疏分解 | 第43页 |
| 4.2.3 测试样本分类 | 第43-44页 |
| 4.3 稀疏表示分类算法的建筑电气故障诊断实验 | 第44-47页 |
| 4.3.1 实验方案设计 | 第44-45页 |
| 4.3.2 诊断结果及分析 | 第45-46页 |
| 4.3.3 压缩感知与SVM对故障诊断准确性的对比研究 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 建筑电气故障实验技术的再开发 | 第48-68页 |
| 5.1 建筑电气系统故障模拟实验平台搭建 | 第48-54页 |
| 5.1.1 建筑电气测试平台结构设计 | 第48-49页 |
| 5.1.2 强电部分设计 | 第49-51页 |
| 5.1.3 弱电部分设计 | 第51-53页 |
| 5.1.4 照明系统搭建 | 第53-54页 |
| 5.2 实验系统设计 | 第54-62页 |
| 5.2.1 数据采集系统方案设计 | 第55-58页 |
| 5.2.2 实验故障设置方法 | 第58-59页 |
| 5.2.3 实验项目组成 | 第59-62页 |
| 5.3 故障诊断系统软件的实现 | 第62-65页 |
| 5.3.1 软件概述 | 第62-63页 |
| 5.3.2 故障诊断系统总体架构 | 第63-65页 |
| 5.4 系统测试结果及分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 个人简介 | 第73-74页 |
| 导师简介 | 第74-75页 |
| 获得成果目录 | 第75-76页 |
| 致谢 | 第76页 |